坏值剔除原理

您好，坏值剔除原理是一种数据处理方法，它的目的是通过检测和删除数据中的异常值，以提高数据的准确性和可靠性。坏值剔除的过程包括：首先，根据数据的特征和分布，确定数据中的异常值；其次，根据确定的异常值，删除或替换异常值；最后，根据删除或替换后的数据，重新计算数据的特征和分布。坏值剔除的方法有多种，具体取决于数据的特征和分布，以及具体的应用场景。

前提：得到一幅DEM图像，通过查看属性可知它的地理坐标系为GCS_WGS_1984，加载到arcmap中发现该DEM图像存在几块很明显的异常值区域，加载进Global_Mapper中则可以看出异常区域更加明显。
任务：使用SRTM1 DEM数据替换该DEM图像里存在的异常值。
思路：裁剪出原DEM中存在的异常区域，用裁剪出异常区域继续裁剪/掩膜SRTM1，将SRTM1填补到异常区域，这样做的话填补的边界一定会很明显，所以后期是不是要进行高斯平滑，处理一下边界数据？由于现在还没有处理到后面的流程，所以记录就暂时先这样了。如果有变化或者新的思路后期再继续修改吧。
1、新建一个面图层并赋予它和已有图层一致的地理坐标系数据管理-投影与变换-定义投影；
2、绘制面，圈出异常区域工具条中的编辑器；
3、提取原栅格范围3D Analyst-转换-由栅格转出-栅格范围；
4、异常面域域栅格范围联合形成一个整体面域分析工具-叠加分析-联合；
5、打开属性表，新建两个字段“fenlei”&“fenlei2”，并进行如下赋值；
ArcGIS关于剔除DEM中的异常值（上）
6、整体面域转成栅格图像转换-转为栅格-面转栅格；注意像元大小要与原DEM一致，选择字段时分别选择"fenlei"和“fenlei2”
7、栅格图像二值化成功，蓝色区域值为1，绿色区域值为0；
ArcGIS关于剔除DEM中的异常值（上）
8、原DEM与二值化的栅格相乘，得到异常区域值变为0，其余区域保持不变的DEM；黑色区域值为0；

可以通过再重复执行一下代码，回到你执行这条命令之前的状态，再进行更改。

R是一种由统计计算基金会支持的用于统计计算和图形的编程语言和自由软件环境。统计学家和数据挖掘者广泛使用R语言来开发统计软件和数据分析。

据民调、数据挖掘调查和对学术文献数据库的研究显示，其近年来受欢迎程度大幅提高。截至2019年5月， R在TIOBE指数中排名第21位，TIOBE指数是衡量编程语言受欢迎程度的指标。

GNU包，是R软件环境下的的源代码，主要是用C、Fortran和R本身编写的，并且可以在GNU通用公共许可证下免费获得。它为各种 *** 作系统提供了预编译的二进制版本。

历史：

R是受Scheme启发，结合词法范围语义的S编程语言的实现。1976年，约翰·钱伯斯在贝尔实验室创建了S。虽然有一些重要的区别，但是大部分为S编写的代码保持不变。

R是由罗斯·伊哈卡和罗伯特·金特尔曼在新西兰奥克兰大学创建的，目前由R 研发核心团队 (其中钱伯斯是其成员)开发，R一部分是以前两位R作者的名字命名的，另一部分以S的名字命名。

步骤1：打开EXCEL，按表2格式输入数据并建立工作表，其中数据个数为13。
步骤2：通过EXCEL提供的MAX函数、MIN函数、MEDIAN函数、STDEV函数，求出数据的最大值、最小值、中位数、标准差。具体求法如下：
取单元格C2，键入公式：=MAX(A2:A14)，确认即求得最大值为0691。
maxx2、取单元格C3，键入公式：=MIN(A2:A14)，确认即求得最小值为0527。
minx3、取单元格C4，键入公式：=MEDIAN (A2:A14)，确认即求得中位数为0556； eM4、取单元格C5，键入公式：=STDEV (A2:A13)，确认即求得标准差为0048。
异常数据的识别与剔除。
因为为2787大于临界值的233，而为0598小于临界值的233，则当取显著性水平maxG)050,13(GminG)050,13(Gα为005（置信度为95%）时。
对应的最大值0691数据（位于表2中的A列第7行），从统计学观点来看应视为异常数据，应给予剔除。
望采纳，谢谢！

首先要理解一下箱线图中四分位差的原理，详见 >